LL-GaussianImage：基于二维高斯泼溅的高效图像表示用于零样本低光增强
计算机视觉与模式识别
2026-01-23 v1
摘要
二维高斯泼溅（2DGS）是一种新兴的显式场景表示方法，因其高保真度和高压缩比而在图像压缩方面具有巨大潜力。然而，现有的低光增强算法主要在像素域内操作。处理2DGS压缩图像需要一个繁琐的解压缩-增强-再压缩流程，这降低了效率并引入了二次退化。为了解决这些限制，我们提出了LL-GaussianImage，这是首个设计用于直接在2DGS压缩表示域内进行低光增强的零样本无监督框架。该框架具有三个主要优势。首先，设计了一个语义引导的混合专家增强框架。利用渲染图像作为引导，对2DGS的稀疏属性空间应用动态自适应变换，以实现压缩即增强，无需完全解压到像素网格。其次，建立了一个多目标协同损失函数系统，以严格约束增强过程中的平滑度和保真度，在抑制伪影的同时提高视觉质量。第三，利用两阶段优化过程实现重建即增强。通过单尺度重建确保基础表示的准确性，并增强网络鲁棒性。在保持高压缩比的同时，实现了低光图像的高质量增强。实验结果验证了在压缩表示域内直接处理这一范式的可行性和优越性。
引用
@article{arxiv.2601.15772,
title = {LL-GaussianImage: Efficient Image Representation for Zero-shot Low-Light Enhancement with 2D Gaussian Splatting},
author = {Yuhan Chen and Wenxuan Yu and Guofa Li and Yijun Xu and Ying Fang and Yicui Shi and Long Cao and Wenbo Chu and Keqiang Li},
journal= {arXiv preprint arXiv:2601.15772},
year = {2026}
}